Test du χ²

proportions . . . . . . . . . . . . 2 5.4 5.5 5.6 5.7 5.8 5.3.1 Comparaison d’une proportion ` une valeur donn´e a e Comparaison de deux proportions . . . . . . . . . . . . . . Test de conformit´ a une loi de proba . . . . . . . . . . . . e 5.5.1 Test de Kolmogorov-Smirnov (KS) . . . . . . . . . 5.5.2 Test du χ2 pour une loi normale . . . . . . . . . . . Comparaisons multiples . . . . . . . . . . . . . . . . . . . 5.6.1 Exemple . . . . . . . . . . . . . . . . . . . . . . . . 5.6.2 Analyse

. . . . . . . . . . e D´termination du scaling (mod`le Hull-White) . . . . . . . . . . . . . . . . . . . . . . . . . e e Positions relatives des VaRs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Fonction de distribution de χ− . . . . . . . . . . . . . . . . . . . . . . . . . N L’influence de la queue de distribution sur η (N ) . . . . . . . . . . . . . . . Queue de distribution des rendements du titre LLOYDS/TSB . . . . . . . . Distribution jointe des rendements des titres

y31 y32 y33 y34 ε 31 ε 32 ε 33 ε 34 ε 35 ε 36 ε 21 ε 22 y21 y22 η2 ζ2 y35 y36 Eq. du modèle structurel Eq. du modèle de mesure Cours de Statistique Multivariée Approfondie 14 Caractéristiques Une approche statistique pour tester des hypothèses sur les relations entre variables observées et latentes (Hoyle, 1995) Le fondement statistique de la méthode LISREL est la covariance Les pré-requis: Modèles statistiques linéaires Valide seulement sous certaines conditions: Indépendance

valeurs anormales. III.5/ Prévision IV/ LES TESTS IV.1/ IV.2/ IV.3/ IV.4/ IV.5/ IV.6/ IV.7/ Test de significativité d’un coefficient : test de student Test de significativité global : test de Fisher Test de normalité des erreurs Tests d’autocorrélation : Durbin-Watson et Box-Pierce Test d’hétéroscédasticité : test de White Test de stabilité : test de Chow Test de colinéarité : test de Belsley Khu Welsh V/ VIOLATION DES HYPOTHESES V.1/ Méthode des Moindres Carrés Généralisés (MCG)

param`tres dans le mod`le e e statistique param´trique. L’accent est mis sur l’estimateur du maximum de vraisemblance e et ses propri´t´s et sur la construction d’intervalles de confiance permettant de mesurer ee la pr´cision de l’estimation. La notion de test d’hypoth`ses est pr´sent´e sur l’exemple du e e e e mod`le gaussien dans le chapitre 8 qui explique ´galement comment v´rifier si des donn´es e e e e sont issues d’une loi de probabilit´ fix´e. Le livre s’ach`ve sur un chapitre consacr´ ` la e e e ea

. . . . . . . . . . . . . . . . . . . . . . . . . . 3.4 Buts et bénéfices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.5 Hypothèses sous-jacentes aux cartes de contrôle de Shewhart pour variables 3.6 La carte de contrôle est un test d’hypothèses . . . . . . . . . . . . . . . . . 3.7 Choix des limites de contrôle . . . . . . . . . . . . . . . . . . . . . . . . . . 3.7.1 Limites de contrôle . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.7.2 Choix du paramètre k . . . .

les p-values du test de significativité des coefficients P ( t ai > t obs H 0 ) (si ˆ elles sont supérieures à α , accepter H 0 : ai = 0 ) R-squared : coefficient de détermination R 2 Adjusted R-squared : R 2 ˆ S.E. of regression (Standard Error of regression) : σ ε Sum squared resid : SCR = e' e = ∑ ei2 i Log-likelihood : log-vraisemblance pour les paramètres estimés Régis Bourbonnais - Logiciel Eviews - Page 6 - Durbin Watson : statistique de Durbin Watson du test d’autocorrélation

du mode de transport, du statut d’occupation du logement, du lieu de résidence, etc. Le présent document expose, en première partie, les fondements théoriques de ces modèles et passe en revue les principaux outils permettant de les estimer et de tester leur validité. Les parties suivantes appliquent ces modèles à deux exemples. Dans le premier, la variable à expliquer est la catégorie socio-professionnelle. Grâce à un modèle logit multinomial, on met en évidence les facteurs socio-démographiques

soit capable de conclure qu’il y a un lien positif entre densité des marchés du travail et probabilité de formation. Il y a donc un risque de biais dans les estimations qu’il faut contrôler (encadré 2). 6 Encadré 2 : Test de l’exogénéité des variables spatiales Pour tester l’exogénéité de la densité –variable continue– comme de la localisation dans un type d’espace –variable dichotomique– dans le modèle probit, il faut disposer d’instruments valides, des variables corrélées avec ces variables

d’abord, la mesure de performance pourrait être perfectionnée en utilisant une mesure relative qui prend en compte le risque ou l’appartenance sectorielle de l’entreprise. Ensuite, une façon plus appropriée de prendre en compte cette variable serait de tester son influence sur la décision de changement de structure du conseil et, donc, d’adopter une optique dynamique. En revanche, l’introduction des variables représentant le secteur et l’actionnariat des entreprises permet de mettre en évidence des résultats